專利名稱：一種胎兒超聲圖像的測量方法
一種胎兒超聲圖像的測量方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種醫(yī)學超聲圖像的測量方法，尤其涉及一種胎兒超聲圖像的測量方法。
背景技術(shù)：
B型超聲診斷系統(tǒng)由于具有無創(chuàng)、價廉和安全等優(yōu)點，越來越多的應(yīng)用于醫(yī)學診斷中，尤其是在產(chǎn)科檢查中被廣泛應(yīng)用；醫(yī)生利用B超可以檢測胎兒發(fā)育過程中各項生長參數(shù)指標，以達到優(yōu)生的目的；在產(chǎn)科檢查的超聲圖像中，胎兒的頭圍或腹圍顯示清晰，易于測量，通過測量胎兒的頭圍或腹圍可以估算胎兒的胎重或胎齡；因此，胎兒頭圍和腹圍是衡量胎兒生長發(fā)育的重要參數(shù)。目前，臨床醫(yī)生主要是通過移動軌跡球的方式手動確定胎兒頭圍或腹圍的長軸和短軸，得到胎兒頭圍或腹圍的橢圓形狀，再通過橢圓周長公式計算胎兒頭圍或腹圍周長，從而得到胎兒頭圍或腹圍的測量 結(jié)果，并進一步估算胎兒的胎重和胎齡。由于在上述操作過程中，臨床醫(yī)生的操作手法和熟練程度會影響對目標對象的定位，其測量結(jié)果會存在誤差；同時，由于臨床醫(yī)生需要不間斷地重復上述操作，枯燥單調(diào)，浪費時間，嚴重使得肢體重復性損傷。自動測量胎兒頭圍或腹圍是發(fā)展的方向，胎兒頭圍或腹圍的橢圓定位與橢圓邊緣分割是自動測量胎兒頭圍或腹圍的關(guān)鍵步驟，現(xiàn)已成為胎兒頭圍或腹圍自動測量的研究熱點，國內(nèi)外學者對此做入了深入的研究。如基于主動輪廓模型(Active contourmodel)和形變模型(deformable model)的超聲胎兒頭圍或腹圍分割方法,但由于上述方法分割胎兒頭圍(或腹圍)的魯棒性差且耗時較長，缺乏臨床應(yīng)用；Carneix)提出的基于CPBT(constrained probabilistic boosting tree)分類器實現(xiàn)對超聲胎兒標準切面自動測量，但是這種測量方法的假陽性率達20%以上；基于霍夫變換(hough transform)的超聲胎兒頭圍或腹圍自動測量應(yīng)用相對較廣，霍夫變換分為兩步驟:(1)應(yīng)用圖像處理技術(shù)初步分割胎兒頭圍邊緣；(2)得到頭圍邊緣圖像之后，應(yīng)用霍夫變換搜索頭圍所對應(yīng)的橢圓；但是，這種方法存在下述缺點:(1)在整個胎兒超聲圖像中隨機搜索橢圓時間長，魯棒性差；(2)由于超聲圖像斑點噪聲及對比度差等的影響，邊緣檢測魯棒性差，可能會導致測量失敗。綜上，基于主動輪廓模型和形變模型的超聲胎兒頭圍分割方法，魯棒性差且耗時較長，缺乏臨床應(yīng)用；基于CPBT分類器實現(xiàn)對超聲胎兒標準切面自動測量方法假陽性率較聞；基于霍夫變換的超聲胎兒頭圍自動測量方法時間長、精確度低。實現(xiàn)對胎兒超聲圖像的快速、精確的測量是亟待解決的問題。
發(fā)明內(nèi)容本發(fā)明要解決的技術(shù)問題在于克服現(xiàn)有技術(shù)中胎兒超聲圖像的測量方法時間長、精確度低、缺乏臨床應(yīng)用的缺陷，提供一種快速、精確的胎兒超聲圖像的測量方法。
為解決上述技術(shù)問題，本發(fā)明采用下述技術(shù)方案:一種胎兒超聲圖像的測量方法，包括下述步驟:獲取胎兒超聲圖像；構(gòu)建胎兒頭圍或腹圍的Adaboost分類器；應(yīng)用滑動窗口檢測方法對所述頭圍或腹圍進行矩形框掃描，獲取所述頭圍或腹圍矩形框子圖像；基于所述Adaboost分類器對所述矩形框子圖像進行分類，得到所述頭圍或腹圍的感興趣區(qū)域；提取所述感興趣區(qū)域的頭圍或腹圍的邊緣特征；對所述邊緣特征提取進行圖像擬合，得到所述頭圍或腹圍的橢圓；計算所述頭圍或腹圍的橢圓的長度。在本實施例中，其中，構(gòu)建所述頭圍或腹圍的Adaboost分類器，包括下述步驟:應(yīng)用Haar-1ike算法提取所述頭圍或腹圍圖像的Haar-1ike特征矩陣；應(yīng)用Adaboost算法對所述Haar-1ike特征矩陣訓練得到所述頭圍或腹圍的Adaboost分類器。在本實施例中，其中，應(yīng) 用滑動窗口檢測方法對所述頭圍或腹圍進行矩形框掃描，獲取所述頭圍或腹圍矩形框子圖像，包括下述步驟:構(gòu)建第一公式估算所述頭圍或腹圍的物理大小其中，所述第一公式為:H(1 = p'z‘ + P2Z + P3，Z 為胎兒孕周，Pi> P2> P3 為系數(shù)；構(gòu)建第二公式表述所述頭圍或腹圍的大小HC，其中，所述第二公式為HC = π[2{α + b) - (3a + b)(a ^ 3b)] ^ a與b分別表示所述頭圍或腹圍所在橢圓的長半
軸長與短半軸長；根據(jù)所述第一公式和第二公式計算所述a大小，其中，Cl = Η( \3π(λ + 1)-^/(3 +/)(1 - 3/；)]，λ =b/a，λ 在 0.7 1.3 之間；構(gòu)建第三公式計算所述頭圍或腹圍的像素長度Pa，其中，所述第三公式為:Pa = P * Η( \3Μλ + 1)- τνΧ +Ιχ + Β )], d為超聲掃描深度，P為d的像素個數(shù)；構(gòu)建掃描框w計算公式，W= [Y Pa, λ ypa, Δχ, Ay, As]，其中，Y PaS掃描框的變換范圍，Λχ、Ay分別表示x，y方向上掃描框每次平移的距離；As表示掃描框的尺度變化率；基于上述掃描框W，對所述頭圍或腹圍進行矩形框掃描，獲取每次掃描的矩形框子圖像。在本實施例中,其中,提取所述感興趣區(qū)域的頭圍或腹圍的邊緣特征,包括下述步驟:提取包含所述感興趣區(qū)域橢圓環(huán)；基于phase邊緣檢測算法對所述頭圍或腹圍的感興趣區(qū)域橢圓環(huán)進行檢測得到所述頭圍或腹圍的邊緣特征。
在本實施例中，其中，對所述邊緣特征進行圖像擬合，得到所述頭圍或腹圍的橢圓，具體為:基于霍夫變換對所述頭圍或腹圍的邊緣進行橢圓擬合，得到所述頭圍或腹圍的橢圓。在本實施例中，其中，基于phase邊緣檢測算法對所述頭圍或腹圍進行檢測得到所述頭圍或腹圍的邊緣特征，包括下述步驟:輸入所述頭圍或腹圍的感興趣區(qū)域橢圓環(huán)；對所述感興趣區(qū)域橢圓環(huán)進行傅里葉轉(zhuǎn)換得到圖像傅里葉矩陣；通過Riesz核構(gòu)造Cauchy濾波器；對所述圖像傅里葉矩陣與所述Cauchy濾波器進行卷積運算得到Cauchy濾波圖像；對所述Cauchy濾波圖像計算特征不對稱測度值，其中，所述測度值在平滑區(qū)域接近于O,在邊緣區(qū)域接近于I ;及定義閾值，并根據(jù)所述閾值與所述測度值大小，提取所述頭圍或腹圍的邊緣特征，其中，所述閾值在O I之間。在本實施例中，其中，根據(jù)所述閾值與所述測度值大小，提取所述頭圍或腹圍的邊緣特征，具體為:當所述閾值大于所述測度值，提取所述頭圍或腹圍的邊緣特征。在本實施例中，所述閾值為0.8。
·
采用上述技術(shù)方案，本發(fā)明的有益效果在于:本發(fā)明上述實施例提供的一種胎兒超聲圖像的測量方法，通過構(gòu)建胎兒頭圍或腹圍的Adaboost分類器，應(yīng)用滑動窗口檢測方法對頭圍或腹圍進行矩形框掃描，從而獲取頭圍或腹圍矩形框子圖像，再基于Adaboost分類器對上述矩形框子圖像進行分類，得到頭圍或腹圍的感興趣區(qū)域，同時，提取感興趣區(qū)域的邊緣特征，并對邊緣特征進行圖像擬合，得到頭圍或腹圍的橢圓，最終計算得到頭圍或腹圍的橢圓的長度。本發(fā)明在應(yīng)用滑動窗口檢測方法對頭圍或腹圍進行矩形框掃描獲取頭圍或腹圍矩形框子圖像的過程中，添加了胎兒的先驗知識與臨床檢測時的掃描深度及像素個數(shù)信息，提高了頭圍或腹圍感興趣區(qū)域的檢測速度與精度；另外，本發(fā)明采用Phase邊緣檢測算法對頭圍或腹圍進行檢測得到邊緣特征，提高了邊緣檢測的魯棒性。
圖1為本發(fā)明實施例提供的一種胎兒超聲圖像的測量方法的步驟流程圖。圖2為本發(fā)明實施例提供的五種Haar-1ike特征模版。圖3為本發(fā)明實施例提供的應(yīng)用Adaboost算法對Haar-1ike特征矩陣訓練得到頭圍或腹圍的特征矩陣。圖4為本發(fā)明實施例提供的頭圍感興趣區(qū)域。圖5為本發(fā)明實施例提供的提取包含感興趣區(qū)域橢圓環(huán)圖像。圖6為本發(fā)明實施例提供的采用phase邊緣檢測算法對頭圍或腹圍進行檢測得到頭圍的邊緣圖像。圖7為本發(fā)明實施例提供的基于霍夫變換對頭圍的邊緣進行橢圓擬合得到頭圍的橢圓圖像。圖8為本發(fā)明提供的胎兒超聲圖像的測量方法與傳統(tǒng)檢測速度對比示意圖。圖9表示本發(fā)明提供的測量方法與手動測量的對比離散點。
具體實施方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及具體實施例，對本發(fā)明進行進一步詳細說明。應(yīng)當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。請參閱圖1，圖1為本發(fā)明實施例提供的一種胎兒超聲圖像的測量方法的步驟流程圖100，包括下述步驟:步驟SllO:獲取胎兒超聲圖像?？梢岳斫猓诮邮胀獠繂有盘栔?，超聲診斷系統(tǒng)開始工作，生成并顯示待測胎兒的超聲圖像，并將胎兒的頭圍或腹圍置于圖像的中間位置。
步驟S210:構(gòu)建胎兒頭圍或腹圍的Adaboost分類器?？梢岳斫猓珹daboost分類器是一種迭代的疊加分類器，是針對同一個訓練集訓練不同的分類器(弱分類器)，然后把這些弱分類器集合起來，構(gòu)成一個更強的最終分類器(強分類器)，已經(jīng)應(yīng)用于人臉檢測，車牌檢測等物體檢測，本發(fā)明采用Adaboost算法構(gòu)建胎兒頭圍或腹圍的Adaboost分類器。在本實施例中，步驟S210構(gòu)建胎兒頭圍或腹圍的Adaboost分類器包括下述步驟:步驟S211:應(yīng)用Haar-1ike算法提取頭圍或腹圍圖像的Haar-1ike特征矩陣。請參閱圖2，圖2為本發(fā)明實施例提供的五種Haar-1ike特征模版，如圖2中a、b、
c、d及e所示。可以理解，Haar-1ike特征矩陣是根據(jù)頭圍或腹圍圖像對應(yīng)特征模版的白色區(qū)域像素值之和與灰色區(qū)域像素值之和相減得到。步驟S222:應(yīng)用Adaboost算法對Haar-1ike特征矩陣訓練得到頭圍或腹圍的Adaboost分類器。請參閱圖3,圖3為本發(fā)明實施例提供的應(yīng)用Adaboost算法對Haar-1ike特征矩陣訓練得到頭圍或腹圍的特征矩陣。步驟S310:應(yīng)用滑動窗口檢測方法對頭圍或腹圍進行矩形框掃描，獲取所述頭圍或腹圍矩形框子圖像。在本發(fā)明提供的實施例中，步驟S310應(yīng)用滑動窗口檢測方法對頭圍或腹圍進行矩形框掃描，獲取頭圍或腹圍矩形框子圖像，包括下述步驟:步驟S311:構(gòu)建第一公式估算頭圍或腹圍的物理大小其中，第一公式為:HC = p'z2 + p2二丄P 為胎兒孕周，P” p2、P3為系數(shù)；可以理解，根據(jù)胎兒的先驗知識，胎兒的孕周與其生物學參數(shù)有對應(yīng)的關(guān)系，基于這一原理，本實施例用最小二次方擬合方法擬合胎兒頭圍物理大小與其孕周之間的關(guān)系，
并構(gòu)建第一公式:HC = P1Z2 + p2z + P3, z為胎兒孕周，P1^ p2> P3為系數(shù)，P1^ P2> P3與胎兒孕周相關(guān)，通過第一公式可以計算出胎兒頭圍或腹圍的物理大小。步驟S312:構(gòu)建第二公式表述頭圍或腹圍的大小HC，其中，第二公式為
權(quán)利要求
1.一種胎兒超聲圖像的測量方法，其特征在于，包括下述步驟: 獲取胎兒超聲圖像； 構(gòu)建胎兒頭圍或腹圍的Adaboost分類器； 應(yīng)用滑動窗口檢測方法對所述頭圍或腹圍進行矩形框掃描，獲取所述頭圍或腹圍矩形框子圖像； 基于所述Adaboost分類器對所述矩形框子圖像進行分類，得到所述頭圍或腹圍的感興趣區(qū)域； 提取所述感興趣區(qū)域的頭圍或腹圍的邊緣特征； 對所述邊緣特征進行圖像擬合，得到所述頭圍或腹圍的橢圓； 計算所述頭圍或腹圍的長度。
2.根據(jù)權(quán)利要求1所述的胎兒超聲圖像的測量方法，其特征在于，其中，構(gòu)建所述頭圍或腹圍的Adaboost分類器,包括下述步驟: 應(yīng)用Haar-1ike算法提取所述頭圍或腹圍圖像的Haar-1ike特征矩陣； 應(yīng)用Adaboost算法對所述Haar-1ike特征矩陣訓練得到所述頭圍或腹圍的Adaboost分類器。
3.根據(jù)權(quán)利要求1所述的胎兒超聲圖像的測量方法，其特征在于，其中，應(yīng)用滑動窗口檢測方法對所述頭圍或腹圍進行矩形框掃描，獲取所述頭圍或腹圍矩形框子圖像，包括下述步驟: 構(gòu)建第一公式估算所述頭圍或腹圍的物理大小//C，其中，所述第一公式為:
4.根據(jù)權(quán)利要求1所述的胎兒超聲圖像的測量方法，其特征在于，其中，提取所述感興趣區(qū)域的頭圍或腹圍的邊緣特征，包括下述步驟: 提取包含所述感興趣區(qū)域橢圓環(huán)；采用phase邊緣檢測算法對所述感興趣區(qū)域橢圓環(huán)進行檢測得到所述頭圍或腹圍的邊緣特征。
5.根據(jù)權(quán)利要求1所述的胎兒超聲圖像的測量方法，其特征在于，其中，對所述邊緣特征進行圖像擬合，得到所述頭圍或腹圍的橢圓具體為: 基于霍夫變換對所述頭圍或腹圍的邊緣進行橢圓擬合，得到所述頭圍或腹圍的橢圓。
6.根據(jù)權(quán)利要求4所述的胎兒超聲圖像的測量方法，其特征在于，其中，采用phase邊緣檢測算法對所述感興趣區(qū)域橢圓環(huán)進行檢測得到所述頭圍或腹圍的邊緣特征，包括下述步驟: 輸入所述頭圍或腹圍的感興趣區(qū)域橢圓環(huán)； 對所述感興趣區(qū)域橢圓環(huán)進行傅里葉變換得到圖像傅里葉矩陣； 通過Riesz核構(gòu)造Cauchy濾波器； 對所述圖像傅里葉矩陣與所述Cauchy濾波器進行卷積運算得到Cauchy濾波圖像； 對所述Cauchy濾波圖像計算特征不對稱測度值，其中，所述測度值在平滑區(qū)域接近于O,在邊緣區(qū)域接近于I ;及 定義閾值，并根據(jù)所述閾值與所述測度值大小，提取所述頭圍或腹圍的邊緣特征，其中，所述閾值在O I之間。
7.根據(jù)權(quán)利要求6所述的胎兒超聲圖像的測量方法，其特征在于，其中，根據(jù)所述閾值與所述測度值大小，提取所述頭圍或腹圍的邊緣特征，具體為:當所述閾值大于所述測度值，提取所述頭圍或腹 圍的邊緣特征。
8.根據(jù)權(quán)利要求6所述的胎兒超聲圖像的測量方法，其特征在于，所述閾值為0.8。
全文摘要
一種胎兒超聲圖像的測量方法，包括下述步驟獲取胎兒超聲圖像；構(gòu)建胎兒頭圍或腹圍的Adaboost分類器；應(yīng)用滑動窗口檢測方法對所述頭圍或腹圍進行矩形框掃描，獲取所述頭圍或腹圍矩形框子圖像；基于所述Adaboost分類器對所述矩形框子圖像進行分類，得到所述頭圍或腹圍的感興趣區(qū)域；提取所述感興趣區(qū)域的頭圍或腹圍的邊緣特征；對所述邊緣特征進行圖像擬合，得到所述頭圍或腹圍的橢圓；計算所述頭圍或腹圍的橢圓的長度。本發(fā)明在應(yīng)用滑動窗口檢測方法對頭圍或腹圍進行矩形框掃描獲取頭圍或腹圍矩形框子圖像的過程中，添加了胎兒的先驗知識與臨床檢測時的掃描深度及像素個數(shù)信息，提高了頭圍或腹圍感興趣區(qū)域的檢測速度與精度。
文檔編號A61B6/00GK103239249SQ201310138239
公開日2013年8月14日 申請日期2013年4月19日 優(yōu)先權(quán)日2013年4月19日
發(fā)明者倪東, 李勝利, 楊勇, 汪天富, 陳思平 申請人:深圳大學